Effect of Sampling Design on Characterizing Surface Soil Fingerprinting Properties.
Notice bibliographique
Résumé
Purpose: The characterization of soil properties is an important part of many different types of agri-environmental research including inventory, comparison, and manipulation studies. Sediment source fingerprinting (i.e., tracing) is a method that is increasingly being used to link sediment sources to downstream sediment. There is currently not a standard approach to characterizing sources and the different approaches to sampling have not been well assessed.Methods: Grid, transect, and likely to erode sampling designs were used to characterize the geochemical, colour, grain size distribution, and soil organic matter content at two sites under contrasting land uses (agricultural and forested). The impact of the three sampling designs on fingerprint selection, source discrimination, and mixing apportionment results was evaluated using a virtual mixture.Results: The sampling design had a significant impact on the characterization of the two sites investigated. While the number and composition of the fingerprints selected varied between sampling designs there was strong discrimination between sources regardless of the sampling approach. There were deviations in the expected apportionment results, but the overall patterns were similar across the three sampling designs.Conclusions: Despite having an impact on the characterization of sources, the sampling design used ultimately had little impact on the conclusions drawn from the final apportionment results. Continued work at the watershed scale is needed to fully evaluate the importance of source sampling on the sediment source fingerprinting approach.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».